openGauss内核分析（五）：统计信息与行数估计（一）
SQL引擎执行查询主要经历了词法语法解析、查询重写、查询规划和计划执行等步骤。其中，在查询规划过程中，为了生成可执行的最优计划，首先要生成路径，而由于路径存在多样性，因此需要对路径进行淘汰选择。目前优化器进行路径的选择主要是基于估算的代价，因此这种优化器也被称为基于代价的优化器（Cost Based Optimization， CBO）。相对于逻辑优化，这种优化方法是物理优化：根据数据的分布（统计信息）情况来对查询执行路径进行评估，从可选的路径中选择一个执行代价最小的路径进行执行，例如是否选择索引SeqScan vs. IndexScan，选择哪个索引，两表关联选择什么样的连接顺序，选择怎样的具体算法等。
在代价估算时，需要使用基表或连接表的行数，而在很多时候，优化器无法获得准确的行数值，因此需要对行数进行估算（Cardinality Estimation），然后再计算代价。
统计信息
统计信息是物理优化的依据，来源于表信息的统计。其中描述基表数据的特征包括唯一值、MCV（Most Common Value）值等，用于行数估算。
Table-Level表级别统计信息，存储在系统表pg_class。
relptuples总元组数：描述表对应的元组数。
relpages总页面数：描述表对应的磁盘页数。
Column-Level列级别统计信息，存储在系统表pg_statistics，也可以使用视图pg_stats查看数据。
Starelid：表的oid。
Staattnum：表属性编号。
stadistinct：用于描述字段里唯一的非 NULL 数据值的数目，一般用于估算集合分组之后的大小，Join结果集大小。
stanullfrac：用于描述当前列中NULL值在总数中的占比。
属性组{stakind1, stanumbers1, stavalues1}构成PG_STATISTIC表的一个卡槽，在PG_STATISTIC表中有5个卡槽。一般情况下，第一个卡槽存储MCV（Most Common Value）信息：描述出现频率大于一定百分比的值的集合，按照出现的频率进行排序，通常用于表征哪些值上出现了倾斜。第二个卡槽存储Histogram直方图信息,描述除了NULL值、MCV值以外的值的分布情况，一般用于估算选择率。
以MCV卡槽为例属性“stakind1”标识卡槽类型为MCV，其中“1”为“STATISTIC_KIND_MCV”的枚举值；属性stanumbers1与属性stavalues1记录MCV的具体内容，其中stavalues1记录key值，stanumbers1记录key对应的频次。
系统表pg_statistics的定义在文件pg_statistic.h中。
#define STATISTIC_KIND_MCV 1
#define STATISTIC_KIND_HISTOGRAM 2
#define STATISTIC_KIND_CORRELATION 3
#define STATISTIC_KIND_MCELEM 4
#define STATISTIC_KIND_DECHIST 5统计信息通过analyze命令获得。
表tt的oid为40960，有10000行数据占用345个pages页。第1列unique1的分布情况可以从直方图信息获取，直方图有100个区间，并且没有空值和MCV。第16列string4的分布情况可以通过MCV信息获取，这一列有4个distinct值”AAAAxx” ,”HHHHxx” , “OOOOxx” , “VVVVxx” ，4个值的分布频次都有0.25。
